一种优化聚类的协同过滤推荐算法

针对传统的协同过滤推荐算法存在评分数据稀疏和推荐准确率偏低的问题,提出了一种优化聚类的协同过滤推荐算法。根据用户的评分差异对原始评分矩阵进行预处理,再将得到的用户项目评分矩阵以及项目类型矩阵构造用户类别偏好矩阵,更好反映用户的兴趣偏好,缓解数据的稀疏性。在该矩阵上利用花朵授粉优化的模糊聚类算法对用户聚类,增强用户的聚类效果,并将项目偏好信息的相似度与项目评分矩阵的相似度进行加权求和,得到多个最近邻居。融合时间因素对目标用户进行项目评分预测,改善用户兴趣变化对推荐效果的影响。通过在MovieLens 100k数据集上实验结果表明,提出的算法缓解了数据的稀疏性问题,提高了推荐的准确性。     

一种融合聚类与用户兴趣偏好的协同过滤推荐算法

协同过滤推荐算法可以根据已知用户的偏好预测其可能感兴趣的项目,是现今最为成功、应用最广泛的推荐技术。然而,传统的协同过滤推荐算法受限于数据稀疏性问题,推荐结果较差。目前的协同过滤推荐算法大多只针对用户-项目评分矩阵进行数据分析,忽视了项目属性特征及用户对项目属性特征的偏好。针对上述问题,提出了一种融合聚类和用户兴趣偏好的协同过滤推荐算法。首先根据用户评分矩阵与项目类型信息,构建用户针对项目类型的用户兴趣偏好矩阵;然后利用K-Means算法对项目集进行聚类,并基于用户兴趣偏好矩阵查找待估值项所对应的近邻用户;在此基础上,通过结合项目相似度的加权Slope One算法在每一个项目类簇中对稀疏矩阵进行填充,以缓解数据稀疏性问题;进而基于用户兴趣偏好矩阵对用户进行聚类;最后,面向填充后的评分矩阵,在每一个用户类簇中使用基于用户的协同过滤算法对项目评分进行预测。实验结果表明,所提算法能够有效缓解原始评分矩阵的稀疏性问题,提升算法的推荐质量。     

融合用户对项目和属性偏好的协同过滤算法

协同过滤推荐算法是目前推荐系统领域中十分常用的方法。余弦相似度和Pearson相关系数是目前协同过滤推荐算法中计算相似度的两种常用算法。为提高协同过滤推荐算法的准确性,对相似度计算问题进行了研究,针对目前常用的余弦相似度和Pearson相关系数这两种相似度计算方法的不足,通过设计和引入调节因子,分别考虑用户在评分习惯和项目选择上的差异性,以对这两种传统的相似度算法进行优化和改进。另外,考虑到用户的偏好往往与项目所具有的属性有关,设计了衡量用户对属性偏好的参数,通过加权的方式将其与改进后的相似度算法进行融合,提出了一种融合用户评分习惯、项目选择差异及属性偏好的协同过滤推荐算法。在MovieLens数据集上进行的实验表明, 相比于传统算法,提出的改进算法更为精确,平均绝对误差和均方根误差得到了明显的降低。     

多聚类混合的加权协同过滤算法研究

协同过滤算法可根据用户的偏好,预测其感兴趣的项目,这项技术是目前商业领域中应用较为广泛且成功的。过去,使用协同过滤算法会因其数据的稀疏性及使用K-Means算法聚类时需要预先确定聚类个数等问题影响协同过滤算法的准确性。针对上述问题,提出了一种多聚类融合的协同过滤推荐算法。首先,构建用户-项目评分矩阵;其次,根据用户兴趣、偏好矩阵查找待估值项所对应的近邻用户,随后使用Slope One算法在对每一个簇内的稀疏矩阵进行填充,从而缓解数据稀疏性问题;再次,使用Canopy聚类算法进行粗聚类,将计算出的每个中心点作为K-Means算法的初始聚类点并进行K-Means细聚类;最后,优化后的协同过滤算法最终被用来预测每个簇中填充后的评分矩阵,并采用带时间加权的相似度公式。最终实验数据显示,优化后能够有效提升算法的效率与推荐质量。     

基于情境相似度和二次聚类的协同过滤推荐算法

随着移动互联网规模的不断扩大,传统推荐系统因较少考虑多种情境因素和用户置信度对用户偏好预测的综合影响,造成了推荐算法预测结果的偏差。针对此问题,将情境信息引入个性化推荐的过程中,提出一种基于情境相似度和二次聚类的协同过滤算法。该算法首先根据用户情境的相似度对用户进行初始聚类,再基于评分矩阵计算用户评分置信度,将用户分为核心用户和非核心用户;然后根据核心用户评分对初始聚类的簇心进行调整,并对簇中非核心用户进行重聚类,形成新的聚簇;最终根据情境相似度对用户偏好进行预测。该算法可以在一定程度上降低评分矩阵中的噪点对聚类结果的影响,提高了推荐结果的准确性。基于实际数据集的仿真实验表明,该算法与传统协同过滤算法相比能够有效提高用户偏好预测的准确性,增加协同过滤推荐算法的精确度。     

基于码本聚类和因子分解机的多指标推荐算法

传统的协同过滤推荐算法普遍存在数据稀疏问题,且仅利用单一综合评分来计算用户相似度,无法找到在多个指标上偏好相似的用户,因而影响推荐的准确度。多指标评分推荐算法力图寻找在多个指标上偏好相似的用户,但是其评价成本高,导致数据稀疏性问题更加严重。为了找到与目标用户在多个指标上偏好相似的用户,提出基于码本聚类的思想来获取用户在各指标上的评分风格信息,然后基于评分风格信息将用户和项目在各指标上进行双向聚类,最后利用因子分解机模型(Factorization Machines,FMs)基于同一簇内的用户、项目、多指标评分信息、评分风格信息进行推荐。实验结果表明,与传统的协同过滤算法和其他多指标推荐方法相比,基于多指标评分信息的因子分解机推荐算法能够在一定程度上缓解数据稀疏问题,提高推荐的准确度。     

基于聚类和用户偏好的协同过滤推荐算法

协同过滤推荐算法使用评分数据作为学习的数据源,针对协同过滤推荐算法中存在的评分数据稀疏以及算法的可拓展性问题,提出了一种基于聚类和用户偏好的协同过滤推荐算法。为了挖掘用户的偏好,该算法引入了用户对项目类型的平均评分到评分矩阵中,并加入了基于用户自身属性的相似度;同时,为了降低数据稀疏性,该算法使用Weighted Slope One算法填充评分数据中的未评分项,并通过融入密度和距离优化初始聚类中心的K-means算法聚类填充后的评分数据中的用户,缩小了相似用户的搜索空间;最后在聚类后的数据集中使用传统的协同过滤推荐算法生成目标用户的推荐结果。通过使用MovieLens100K数据集实验证明,提出的算法对推荐效果有所改善。     

融合时间序列的POI动态推荐算法

兴趣点(POI)的签到数据体现了用户的偏好和兴趣点的分布特征,这在兴趣点推荐领域有极为重要的价值.为了缓解数据稀疏造成的推荐不准确等问题,本文提出了融合时间序列的POI动态推荐算法,结合用户与用户之间的关系、兴趣点位置以及流行度信息等.首先划分时间序列,得到时间因子的相似度;其次时间序列融入到基于用户的协同过滤算法,再根据时间的连续性特征得到基于用户的预测评分,然后将地理影响因子与基于时间的流行度信息结合,预测用户的评分,进而与基于用户的评分加权融合;最后,在Gowalla数据集上进行实验,结果表明,本文提出的融合时间序列的POI动态推荐算法能够有效减小推荐误差,提高推荐精度与召回率.     

基于马尔可夫聚类和混合协同过滤的电视节目推荐

针对家庭用户的电视节目个性化推荐问题,提出一种基于马尔可夫聚类和混合协同过滤(MCL-HCF)算法的混合推荐方法。采用马尔可夫聚类对各个时间段的电视用户进行聚类,产生不同的群组,最小化每个群组里的个体成员和群组整体的偏好差异,再以群组为单位进行电视节目推荐;使用基于物品的协同过滤和基于用户的协同过滤算法分别产生推荐列表;采用基于加权融合的混合推荐算法对两个推荐列表进行处理,得到最终的混合推荐结果。在公开数据集上的实验结果表明,该算法在平衡推荐惊喜度和相关性的同时能够获得令人满意的推荐准确率。     

基于评分偏好和项目属性的协同过滤算法

针对传统的协同过滤推荐由于数据稀疏性导致物品间相似性计算不准确、推荐准确度不高的问题,文中提出了一种基于用户评分偏好模型、融合时间因素和物品属性的协同过滤算法,通过改进物品相似度度量公式来提高推荐的准确度。首先考虑到不同用户的评分习惯存在差异这一客观现象,引入评分偏好模型,通过模型计算出用户对评分类别的偏好,以用户对评分类别的偏好来代替用户对物品的评分,重建用户-物品评分矩阵;其次基于时间效应,引入时间权重因子,将时间因素纳入评分相似度计算中;然后结合物品的属性,将物品属性相似度和评分相似度进行加权,完成物品最终相似度的计算;最后通过用户偏好公式来计算用户对候选物品的偏好,依据偏好对用户进行top-N推荐。在MovieLens-100K和MovieLens-Latest-Small数据集上进行了充分实验。结果表明,相比已有的经典的协同过滤算法,所提算法的准确率和召回率在MovieLens-100K数据集上提高了9%~27%,在MovieLens-Latest-Small数据集上提高了16%~28%。因此,改进的协同过滤算法能有效提高推荐的准确度,有效缓解数据稀疏性问题。     

BP神经网络的饱和分析及改进

为了改善BP神经网络易形成局部最小,收敛速度慢的缺点,从分析三个因子学习因子、惯性因子和形状因子对BP算法性能影响出发,提出了离线调整学习因子和惯性因子,在线调整形状因子的联合优化方法.这种方法使网络在训练时,不仅神经元的连接权在不断调整,而且其自身的输入输出关系也在变动,从而使网络脱离饱和区,提高了收敛速度.最后以最典型应用函数逼近和XOR分类为例进行验证,仿真结果显示,联合优化方法不仅提高了网络训练速度,还提高了收敛精度,而且比一般的改进方法效果更好,具有一定的实用价值.     

关于图的分数k-因子存在性的一些结果

设g(x)≤f(x)是定义在V(G)上的两个整数值函数,h(e)∈[0,1]是定义在图G的边集E(G)上的函数。令dGh(x)=移e∈Exh(e),其中Ex={xy:xy∈E(G)}。若对所有的x∈V(G)都有g(x)≤dGh(x)≤f(x)成立,称h是G的一个(g,f)-表示函数。Gh是图G的一个支撑子图使得E(Gh)={e:e∈E(G),h(e)≠0},则称Gh是G的一个分数(g,f)-因子。文章给出,若对V(G)中的任意两个顶点u和v,G-{u,v}有分数k-因子存在。则G有一个分数k-因子不含图G中任意给定的边e∈E(G);当G有分数1-因子F=Gh存在时,对任意e∈F,G-V(e)有分数k-因子存在,则G有分数k-因子。     

基于惩罚机制的P2P电子商务模型

在电子商务中,现有信任模型的惩罚机制只是对交易失败次数进行惩罚,忽略了交易金额的重要性。针对该问题,提出一种惩罚模型,同时考虑交易的失败次数和失败金额,从而达到过滤恶意节点欺骗惩罚机制的目的。对信任机制的有效性和抗攻击性进行实验验证。结果表明,所提出的信任机制优于其他现有的方法,能够有效地应用于P2P电子商务系统中。     

基于SPICE的电路仿真系统接口程序设计

基于SPICE仿真引擎,提出利用VC语言编写接口程序实现电路分级仿真的方法,实现SPICE文件与数学运算程序包之间的数据传递,解决电路仿真系统仿真时钟不同步、特殊时间点仿真不收敛、数字器件不是单入单出,以及在SPICE仿真数字器件时没有可用模型等问题。实例验证了该方法的正确性和可行性。     

浅谈计算机自动重启的原因与处理方法

该文依据理论分析和实践经验对计算机的常见故障——自动重启现象进行了探讨,归纳了自动重启的三大因素,分析了自动重启的定位方法与处理措施,强调了自动重启的几个主要方面,从而为计算机信息处理的顺利进行提供一些帮助。     

参数自调整模糊控制器在中央空调控制系统中的应用

针对典型的非线性、时变、滞后系统——中央空调温度控制过程，在分析量化因子和比例因子对系统性能影响的基础上，本文提出了参数自调整模糊控制算法。仿真表明，参数自适应控制器的控制性能优于常规模糊控制器。     

定性控制系统动态行为的仿真研究

本文初步讨论了如何以数学语言描述定性模型,并提出一种闭环定性控制系统,仿真结果表明,定性控制系统行为可以较好逼近定量控制系统行为,说明实现基于定性模型的智能控制是可能的。     

Research on radial investigation depth characteristics of induction logging on heterogeneous stratum

In induction logging, using geometrical factor to analyze radial investigation depth is a useful way to estimate the radial investigation ability of a logging tool. But radial investigation depth analysis based on DOLL geometrical factor often leads to substantial inaccurate estimates of the true apparent conductivity σa in inhomogeneous or invaded cases. Although Propagation Effect Geometrical Factor （PEGF） includes both the mutual-effect of eddy flows and the reflection and transmission on the interface of heterogeneous media, it＇s too complicated to use. The Advanced Geometrical Factor （AGF） discussed in this paper combines the merits of DOLL geometrical factor and propagation effect geometrical factor. The AGF considers the mutual-effect of eddy flows in nonhomogeneous medium and gives good predictions of two kinds of relations in an axisymmetric inhomogeneous two-layer media in a permissive error scale. One kind of the relations is between radial investigation depth and emission signal frequency. The other is the relation between radial investigation depth and electrical resistivity ratio of invaded zone and original stratum. Different from usual way of making conclusions from graphs of experimental data, proof formulas and simulations are given in this paper. The conclusions referred to the radial investigation depth characteristics using the Doll GF are compensated by using AGF.     

保持模型几何特征的简化算法

对于三维模型来说高曲率变化区域、尖角等几何特征是其外部特征的重要体现,因此在简化过程中如何更好地保持这些特征是体现简化算法优劣的重要标准。本文在已有二次误差算法的基础上,综合考虑面片的相邻面的面积与法矢量对该面片附近区域弯曲程度的影响定义了面片的曲率,并根据曲率的大小划分简化过程中各面片的顺序。在简化过程中尽可能地保留对模型几何部特征相关性大的面片,取得了良好的效果。     

基于MCU的智能功率因数调节仪

功率因数的提高,有利于节约能源,防止谐波污染,对于我国能源利用率不高的现状,有着很重要的现实意义。文章提出了一种基于MCU的功率因数调节仪的设计,包括硬件结构,计算方法以及相应的软件设计。